Simulation und Technische DiagnoseModulbeschreibung #40706 / Version 3
- 6 LP
- Mündliche Prüfung
- Benotet
- Winter- und Sommersemester
- Deutsch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v11)
| Modul / Version | #40706 / #3 |
|---|---|
| Gültigkeit | SS 2016 – WS 2016/17 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Gühmann, Clemens |
| Benotung | Benotet |
| Prüfungsform | Mündliche Prüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Energie und Automatisierungstechnik |
| Fachgebiet | 34311600 FG Elektronische Mess- und Diagnosetechnik |
Kontakt
| Sekretariat | EN 13 |
|---|---|
| Ansprechpartner*in | Heinze, Ewa |
| E-Mail-Adresse | ewa.heinze@tu-berlin.de |
| Webseite | http://www.mdt.tu-berlin.de |
Lernergebnisse
Die Studierenden besitzen einen Überblick auf dem Gebiet der Modellbildung und der Technischen Diagnose und können für die Kernaufgaben Steuerung, Regelung und Diagnose mechatronischer Komponenten (im Kraftfahrzeug) nach wissenschaftlichen Methoden selbständig Lösungen erarbeiten.
Lehrinhalte
In der Vorlesung Modellbildung und Echtzeitsimulation wird anfangs eine Einführung in die Anwendung der Simulation gegeben, um anschließend die Methoden und Werkzeuge zur Modellbildung zu lehren. Als Anwendung in
der Simulation gelten die Gebiete der Diagnose, der Steuerung und der Regelung. Für die Simulation werden die Grundlagen von Simulink und Modelica gelehrt.
In der VL Mustererkennung und Technische Diagnose werden die statistischen Grundlagen der Mustererkennung gelehrt. Anschließend werden Klassifikations- und Mustererkennungsverfahren (Machine Learning) sowie moderne modellgestützte Diagnoseverfahren für mechatronische Systeme behandelt.
der Simulation gelten die Gebiete der Diagnose, der Steuerung und der Regelung. Für die Simulation werden die Grundlagen von Simulink und Modelica gelehrt.
In der VL Mustererkennung und Technische Diagnose werden die statistischen Grundlagen der Mustererkennung gelehrt. Anschließend werden Klassifikations- und Mustererkennungsverfahren (Machine Learning) sowie moderne modellgestützte Diagnoseverfahren für mechatronische Systeme behandelt.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
Arbeitsaufwand und Leistungspunkte
Modellbildung und Echtzeitsimulation technischer Systeme (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Selbständiges Lernen und Lesen | 1 | 60 h | 60 h |
| 90 h | |||
Mustererkennung und Technische Diagnose (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Selbständiges Lernen und Lesen | 1 | 60 h | 60 h |
| 90 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Vorlesungen (VL): Frontalvortrag
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Grundlagen der Messdatenverarbeitung, Regelungstechnik, Elektronikgrundkenntnisse, Kenntnisse in der
mathematisch-technischen Programmiersprache MATLAB® / Simulink®
mathematisch-technischen Programmiersprache MATLAB® / Simulink®
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Mündliche Prüfung |
| Sprache | Deutsch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| SE Seminar Mess- und Diagnosetechnik - Schriftliche Ausarbeitung | 40 | ||
| SE Seminar Mess- und Diagnosetechnik - Vortrag | 10 | ||
| VL Modellbildung und Echtzeitsimulation - schriftlicher Test | 50 | ||
| VL Mustererkennung und Technische Diagnose - mündliche Rücksprache | 50 |
Prüfungsbeschreibung (Abschluss des Moduls)
Insgesamt können 100 Portfoliopunkte erreicht werden:
* Vorlesungen je 50 Portfoliopunkte
* Seminar 50 Portfoliopunkte
Im Rahmen des Seminars sind verschiedene Studienleistungen zu erbringen. Ihre
Art und Gewichtung in Portfoliopunkten sind in der unten stehenden Tabelle aufgeführt.
Die Gesamtnote gemäß §47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
* Vorlesungen je 50 Portfoliopunkte
* Seminar 50 Portfoliopunkte
Im Rahmen des Seminars sind verschiedene Studienleistungen zu erbringen. Ihre
Art und Gewichtung in Portfoliopunkten sind in der unten stehenden Tabelle aufgeführt.
Die Gesamtnote gemäß §47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 2 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Winter- und Sommersemester.
Maximale teilnehmende Personen
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
keine
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
- Cellier, F., E.: Continous System Simulation. Springer (2006)
- Duda, R. O.; Hart, P. E.: Pattern Classification. Wiley (2000)
- Fritzson, P.: Principles of Object-Oriented Modeling and Simulation with Modelica 3.3: A Cyber-Physical Approach (2015)
- Gipser, M.: Systemdynamik und Simulation. B. G. Teubner Stuttgart – Leipzig (1999)
- Isermann, R.; Münchhoff, M.: Identification of Dynamic Systems: An Introduction with Applications. Springer (2011)
- Isermann, R.: Fault-Diagnosis Systems. An Introduction from Fault Detection to Fault Tolerance. Springer Verlag (2006)
- Janczak, A.: Identification of Nonlinear Systems Using Neural Networks and Polynomial Models. Springer Berlin (2005)
- Ljung, L.: System Identification: Theory for the User (1999)
- Müller, R.: Modellierrung, Analyse und Simulation elektrischer und mechanischer Systeme mit Maple und MapleSim. Springer Vieweg (2014)
- Niemann, H.:Klassifikation von Mustern. Springer-Verlag, Berlin. (1983)
- Schölkopf, B.; Smola, Alexander J : Learning with kernels: Support vector machines, regularization, optimization, and beyond. MIT press (2002)
- Tiller, M: Introduction to Physical Modelling with Modelica. Kluwer Academic Publishers (2001)
- Tiller, M: Modelica by Examples. Internetbuch. http://book.xogeny.com/
- Zirn, O.: Modellbildung und Simulation mechatronischer Systeme. Expert Verlag (2002)
Zugeordnete Studiengänge
Dieses Modul findet in keinem Studiengang Verwendung.
Sonstiges
Keine Angabe